基于DEA的中国旅游业各区域效率差异评价
  北京航空航天大学学报(社会科学版)  2018, Vol. 31 Issue (3): 61-69   PDF    
基于DEA的中国旅游业各区域效率差异评价
梁楠楠1, 王贤梅2     
1. 中国科学技术大学 管理学院, 安徽 合肥 230026;
2. 东南大学 经济管理学院, 江苏 南京 210016
摘要:在对中国旅游业效率进行研究的同时,考虑了其存在普通投入、普通产出,以及不可任意支配的投入,构建了相应的考虑存在不可支配投入的数据包络分析模型。评价了中国31个省市地区"十一五"期间的旅游业技术效率、纯技术效率及规模效率和不同地区的效率差异。研究发现:全国旅游业总体发展不均衡,且平均效率较低;各地区旅游无效的根源不同,部分来源于纯技术无效,部分来源于规模无效;全国各地区旅游业发展差异随着时间的推移缓慢减小;多数地区的旅游业发展相对平稳,仅个别地区旅游业发展波动较大;东部、中部和西部三大经济区域旅游效率差异明显。
关键词 旅游效率      数据包络分析      不可任意支配      效率差异      效率评价     
Efficiency Difference Evaluation of Regional Tourism Industry in China: Based on DEA
LIANG Nannan1, WANG Xianmei2     
1. School of Management, University of Science and Technology of China, Hefei Anhui 230026, China;
2. School of Economic and Management, Southeast University, Nanjing Jiangsu 210016, China
Abstract: This paper evaluated the efficiency of tourism industry while considering the existence of normal input, normal output and non-discretionary input. The corresponding DEA model was proposed. The technical efficiency, pure technical efficiency and scale efficiency of tourism industry of 31 provinces in China in the period of 11th five year plan were analyzed, and the efficiency difference was compared. Five findings were obtained, the development of each regional tourism industry is unbalanced and the mean efficiency is low; the inefficiency sources of each regional tourism industry are different, with some resulting from pure technical inefficiency and the others from scale inefficiency; the difference of tourism industry development in all regions is decreased slowly; while the tourism industry development in most regions are smooth, only individual regions are volatile; the differences of tourism efficiencies of three major economic regions (Eastern, Central and Western) are significant.
Key words: tourism efficiency     data envelopment analysis     non-discretionary     efficiency difference     efficiency evaluation    
一、简介

旅游业作为新兴的社会经济发展的支柱产业之一,是一个综合性的,涉及到国民经济的多个行业和部门的产业。有研究表明我国旅游产业以高于国内生产总值(GDP)的速度快速增长。例如:“十一五”期间旅游业总收入年均增长率为15%,GDP年均增长率为11.2%。旅游产业的发展与国民经济的整体发展密切相关,对国内生产总值的贡献在不断提升。[1]在旅游业受到当局管理者重视的同时,学者对旅游业也进行了越来越多的研究。

效率水平是衡量行业发展的重要因素,地区旅游效率作为评价不同地区旅游业发展水平和发展程度的重要指标。地区旅游效率评估指的是以地区作为旅游经济单元,实现旅游产业发展过程中从投入到产出,追求投入成本最小化或者产出收益最大化的计量和评估。分析旅游效率有助于帮助管理者提高对旅游资源的有效利用,对地区旅游业未来发展政策的制定和调整也有着指导性的意义。旅游业作为一个复杂的系统,如何评估其产业效率成为学者的又一研究主题。

数据包络分析(DEA)是由Charnes等在1978年提出的,对若干同类具有多输入多产出的决策单元进行相对评估的方法。[2]其基本原理是通过构建一个相对有效面,评估所有决策单元相对于有效前沿面的相对效率。该方法在评估多输入多输出问题时有绝对的优势,目前被广泛应用于多个领域的效率研究,如银行效率研究[35]、环境效率研究[67]、供应链效率研究[8]等。由于旅游业的各个环节都包含着复杂而多样的输入和输出要素,仅从旅游业的单一要素或指标中是难以评估出该地区旅游业的发展效率或发展水平的,而应该使用考虑多要素、多指标的全面的评估方法。因此,使用DEA方法进行评估旅游业的效率是非常合适且可行社的,已有的旅游效率评估研究也已使用到该方法。因为旅游业涉及酒店、旅行和交通三大产业,对旅游效率的研究多是集中在这三个领域中的某一个领域,已有研究用DEA方法评估了旅游业中的酒店效率[913]、交通效率[1417]和旅行社效率[1820]等。而考虑地区旅游产业的整体性,也有学者将整个城市看成一个旅游生产单元使用DEA方法来评估旅游业发展效率。[2127]

现有的地区旅游效率研究中,多数研究只考虑了酒店和旅游社的相关投入,而忽视了交通对旅游效率的影响。现有的实证研究指出交通对旅游业的效率有着至关重要的影响,交通的便利程度是衡量旅游业发展的重要标志之一。[28]魏小安和金准指出交通的改善,将降低旅游业的交易成本,推动集资和扩散作用的互动变化,改变旅游业的格局和增长方式,对旅游业产生深刻而全面的影响。[29]苏建军等及陈晓和李悦铮也同样研究证明了交通对中国旅游业发展的重要影响。[3031]因此,文章在已有研究的基础上,将交通运输因素也作为地区旅游业效率评估的变量来考虑。在此基础上结合旅游业相关变量的特性,建立对应的DEA模型,评估分析中国各省市的旅游效率。

二、研究模型的建立 (一) 旅游指标选择

旅游业是一个涉及多个行业和部门的复杂产业,直接寻找旅游业的相关投入产出指标是复杂且难以做到的。DEA方法测量的正确性很大程度上依赖于所选择的投入和产出指标。[32]因此,选择合适的投入和产出指标是有效评估各地区旅游业效率的关键。文章在前人研究的基础上,依据指标选择的科学性、适宜性和可操作性三大原则,选择各省市国内旅游收入和国际旅游收入作为旅游业的产出变量指标[25]1004—1012,同时选择星级饭店数量、旅行社数量、交通条件和第三产业就业人员数作为旅游业的投入变量指标[21]93—98[24]53—62[25]1004—1012。其中,各类指标的解释如下:

首先,任何非公益的社会活动的最终目的都是为了获得收入,收入是最基本的产出。旅游收入则是旅游业的最基本产出。国内旅游收入是指国内居民在本国的旅游,不会增加国民收入的总量,但会增加旅游地区收入。国际旅游收入是指外国游客在旅游国的旅游消费,是国民收入的一部分,会增加国民收入总量。国际旅游外汇收入是中国旅游总收入的重要来源之一。入境旅游是旅游业的重要组成部分,其发展状况衡量着一个国家或地区旅游业产业国际化水平和产业的成熟程度。这两类收入基本涵盖了各省市与旅游相关的所有收入,作为旅游效率评估的产出部分是比较恰当的。

然后,投入指标是经济学意义上最基本的生产三要素——土地、劳动力和资本。土地方面,由于城市旅游不受土地面积大小的影响,该方面不作为投入变量。劳动力方面,旅游业的劳动力通过旅游服务人员提供服务实现,故旅游业就业人数可作为旅游业投入,但由于旅游业涉及产业过多,就业人员过于笼统,旅游业直接或间接就业人员也难以明确度量,这里选择城市的第三产业就业人员作为旅游业劳动力方面的投入。[25]1004—1012资本方面,旅游业资本通过项目建设、基础服务设施等加以实现,星级饭店作为旅游人员饮食和住宿的地方,为旅游人员提供基础的食和住。旅游社作为旅游产业的中介,连接着旅游业内的各个要素。交通运输作为旅游人员来往常住地和旅游地的工具,是连接旅游者和目的地的桥梁和纽带,他们都是旅游业的重要服务设施,在一定程度上能够反映出该地区旅游的接待能力,故选择星级酒店数量、旅行社数量以及交通条件作为该地区旅游业发展的资本方面投入。

但是,需要指出的是交通运输系统作为地区旅游业的投入之一,包括铁路、公路、水路和航空,主要由国家交通运输管理局管理,由国家规划调整,当地管理者并不能直接地支配调整,且其本身也难以在短期内进行大的调整。故对于交通运输便利性作为投入变量,考虑其是不可任意支配的变量。[3335]酒店数量、旅行社数量和第三产业人数数量则是当地管理者可以直接管理的可任意支配投入变量,具体指标和流程如图 1所示。

图 1 地区旅游的投入和产出变量

(二) 模型建立

假设有n个决策单元(DMU)需要被评估,即有n个省市的旅游业将被评估。每个DMU有两类投入和一类产出。一类投入是可任意支配投入假设有m种,xij(i=1, 2, …, m; j=1, 2, …, n)为第j个DMU的第i种可任意支配投入,从图 1可知旅游业的该类投入分别为酒店数量、旅行社数量和第三产业人数数量。另一类投入是不可任意支配的投入假设有k种,zlj(l=1, 2, …, k; j=1, 2, …, n)为第j个DMU的第l种不可任意支配投入,旅游业的该类为交通条件。最后,假设产出有s种,yrj(r=1, 2, …, s; j=1, 2, …, n)为第j个DMU的第r种产出。

DEA模型可分为投入导向、产出导向和技术可行性导向的3种计算方法,考虑到地区在制定旅游政策发展旅游业时往往从投入指标的角度进行优化,在这里考虑投入导向的DEA模型评估在现有产出水平下的最小投入效率。建立含有不可支配投入的DEA模型为

(1-1)
(1-2)
(1-3)
(1)

模型(1)是传统CCR模型的自然拓展。目标函数θ指的是可任意支配投入中的有效部分,因为只考虑投入导向,故该投入有效程度即为该DMU的技术效率。θ*=1表示该DMU是投入导向技术有效的,θ* < 1表示该DMU是投入导向技术无效的,θ越大表示越有效。约束(1-1)对应可任意支配投入约束,根据其有效部分可进行优化调整。约束(1-2)对应不可任意支配的投入是不需要且不进行调整。约束(1-3)对应于产出,同样不做调整。

模型(1)的结果是DMU由规模和管理共同影响的技术效率。为了剔除规模因素对效率的影响,Banker等提出了规模报酬不变的BCC模型[36],通过该模型,可以将CCR中获得的技术效率分解为纯技术效率和规模效率。而对应的BCC模型仅需要在原始CCR模型上添加以下约束:

(2)

模型(1)加约束(2)即为考虑规模报酬不变的BCC模型,BCC可获得剔除规模影响之后的纯技术效率,该效率能准确反映决策单元的经营管理水平。通过CCR和BCC这两个模型,可以在分析DMU的技术效率基础上,进一步分析DMU的纯技术效率和规模效率,当且仅当纯技术效率和规模效率同时有效的时候,技术效率才会有效。其中,他们的关系为

(3)
三、研究结果 (一) 数据来源

文章研究中国31个大陆省市的“十一五”期间的旅游效率,其中22个省、4个直辖市和5个自治区(不考虑港澳台地区)。相应的投入产出指标:星级饭店个数、旅行社个数和第三产业就业人员数以及国内旅游收入和国际旅游收入的数据均直接来自《中国旅游统计年鉴》和《中国第三产业统计年鉴》。对于交通条件我们参考已有文献[21]93—98[27]56—65,主要考虑铁路和公路里程,通过变异系数法加权获得,公路里程数来源于《中国统计年鉴》。具体原始数据特征如表 1所示。

表 1 中国各省市旅游投入产出数据特征

(二) 各地区旅游业效率差异分析

中国31个省市“十一五”期间(2006—2010年)通过模型(1)计算获得的旅游技术效率如表 2所示。

表 2 中国各省市旅游技术效率(TE)

表 2可见,全国仅有3个省市的平均旅游技术效率是技术有效地,5个地区的旅游技术效率不低于0.9,除了效率为1的天津市、上海市和广东省外,贵州省和北京市的效率分别为0.994和0.971,排名在第四和第五。技术效率排名前五的地区效率差异较小,但是,排名第六的四川省效率与第五名北京市效率落差巨大,四川省的旅游技术效率仅有0.650,与北京市相差0.321,差异明显。除此之外,6个省市的效率在0.510~0.650之间,16个地区的技术效率在0.245~0.491之间,还有4个地区的效率低于0.2。全国各省市旅游技术效率差异明显,可见全国旅游产业的发展较不均衡。且技术效率超过0.5的省市仅有11个,不到总数的一半,地区技术效率平均值仅为0.473,整体旅游技术效率水平较低。

从各省市旅游的纯技术效率角度分析,发现各省市的旅游纯技术效率差异仍然明显,即表示各地区的旅游管理水平层次不齐,存在较大差异。有7个地区(天津市、上海市、江苏省、广东省、贵州省、西藏自治区和宁夏回族自治区)的纯技术效率为1,表示这些地区的旅游管理水平最高。9个地区的旅游纯技术效率超过0.9,第9名的纯技术效率为0.958,而第10名效率为0.765,两者之间差异0.193,效率落差仍然很大。效率超过0.5的共有17个地区,剩余14个地区的最高纯技术效率为0.449,最低纯技术效率为0.278。具体如表 3所示。

表 3 中国各省市旅游纯技术效率(PTE)

中国各省市旅游纯技术效率如表 3所示,各地区平均效率如图 2所示。因为技术效率包含纯技术效率和规模效率两部分,分别反映地区旅游的管理水平和规模水平,技术无效是这两部分共同作用的结果。从表 2表 3可见,只有3个地区(天津市、上海市和广东省)是技术有效的,他们的纯技术效率和规模效率都同时是有效的,即这3个地方无论是在旅游管理方面还是在旅游规模方面都是相对较好的。有2个地方(西藏自治区和宁夏回族自治区)是纯技术有效但是规模无效的,说明这2个地方的技术无效只来源于规模无效,且这2个地区的规模效率极低,造成技术无效程度很高,表示这2个地区的管理水平是相对较好的,但是规模水平太低,要想提高这2个地区的旅游技术效率,需要着重在旅游经济规模方面进行调整。剩余的26个地区的旅游技术无效同时由纯技术无效和规模无效两者共同造成,即管理水平和规模水平均在一定程度上存在不足,如果想提高这些地区旅游效率,要同时加强旅游管理水平和调整旅游规模从而同时提高纯技术效率和规模效率两方面。

但是,各地区的纯技术无效和规模无效的无效程度是不同的,即虽然管理水平和规模水平都存在不足,但他们之间也存在较大的水平差异,对各地区旅游的技术效率影响程度也不同,各省市需要根据各地区无效来源(水平差异)的具体程度有所侧重。如河北省、山西省、内蒙古自治区等部分地区的旅游纯技术效率和规模效率均是无效的,但是从图 2可见,此时规模效率数值更高,技术效率的值更接近与纯技术效率值,即此时技术的无效主要来源于纯技术无效即旅游管理水平较低,在对该地区调整优化时应该偏重于调整提高旅游管理而不是旅游规模。相反的,对于安徽省、海南省、青海省等部分地区纯技术效率数值更高,技术效率的值更接近与规模效率值,即此时技术的无效主要来源于规模无效即规模水平较低,在对该地区调整优化时应该偏重于调整旅游规模而不是旅游管理。也有部分地区如辽宁省、山东省、河南省等,他们的纯技术效率和规模效率相差不多,该地区旅游的技术无效是管理和规模同等影响的结果,要想提高这类地区的效率,同时提高这些地区的旅游管理水平和规模水平,会有更好的效果,而不是仅仅调整某一个方面。

(三) 旅游效率趋势分析

各时期的平均效率如图 3所示。首先,将所有省市看成一个整体,发现从纯技术效率的角度来看,旅游平均纯技术效率从2006—2010年是缓慢提升的,即整体而言,旅游管理水平是缓慢提高的。但是平均规模效率则呈现先增后减,最后增加的趋势,其中2006—2007年增加,到2008年降低,然后再开始缓慢上升,表示这期间旅游规模水平存在一定的动荡。技术效率由纯技术效率和规模效率组成,受管理水平和规模水平的共同影响,2008年受规模效率降低原因,技术效率也呈现先增后减然后增加的趋势,但整体发展较为稳定。且结合表 2的标准差可见,随着时间的推移,标准差逐渐减少,虽然减少的程度很低,但这仍意味着各省市之间的技术效率差异在缓慢减少。

各省区旅游的发展趋势与中国整体发展趋势有相同的也有不同的。中国31个省市2006—2010年之间各地区的效率振幅,包括技术效率、纯技术效率和规模效率振幅,如图 4所示。其中效率振幅指的是该地区5年内最高效率和最低效率之差,效率振幅越大,表示该地区旅游业发展越不稳定。结合表 2图 4可分析各省市的旅游的技术效率的具体变化趋势。

图 4中发现,大多数的省市旅游业效率发展都是趋于平缓稳定的,三类效率(技术效率、纯技术效率和规模效率)振幅波动均不大,即5年内效率提高或者降低的范围较小。且其中有三个地区的三个效率5年保持不变,这三个地区也就是5年旅游效率均有效的天津市、上海市和广东省。其他大多数地区的三类效率振幅小于0.2,仅个别地区(辽宁省和西藏自治区)效率波动较大。如西藏自治区和河北省的技术效率振幅最大分别达到0.301和0.210。河北省的旅游效率呈现出先降低后升高的趋势,从2006—2008年技术效率缓慢降低,从2008年后开始提升,且2009—2010年间提升幅度最大,提升幅度达到0.205。而西藏自治区旅游业的技术效率呈现出一种先升高再降低再升高再降低的上下波动的形式,旅游业发展很不稳定。

图 2 各地区平均效率

图 3 各时期平均效率

由于各地区旅游业发展受管理水平和规模水平共同影响,各地区的技术效率波动具体来源也各有差异。如单独一种效率(纯技术或者规模)波动影响技术效率波动,最典型的是西藏地区自治区,技术效率的波动完全来源于规模效率的波动,即当地旅游业的发展不稳定完全是由于规模经济不稳定即规模水平较低造成的,稳定当地旅游业发展的重点在于稳定旅游业的规模。同样地,江苏省和贵州省技术效率振幅较小,波动不大,发展平稳,但他们的波动完全来源于规模效率,即也是由旅游业规模水平不稳定造成的波动。其他地区的效率波动是纯技术效率和规模效率共同影响的结果,如北京市、河北省、辽宁省等。但由于各个地区纯技术效率和规模效率振幅大小不同,即波动程度不同,对技术效率波动的影响也会不同。如河北省的纯技术效率振幅较大,表示该地区纯技术效率波动的影响对技术效率波动产生的影响更大,即该地区的旅游管理水平的高低对当地旅游发展产生了更大的影响。反之如浙江省的规模效率振幅较大,表示该地区规模效率波动对技术效率波动产生的影响更大,即该地区的旅游规模水平对当地旅游发展的影响更大。

(四) 三个经济区域效率差异分析

旅游业的发展和当地的经济发展密切相关,因此,进一步分析不同发展程度的经济地带的旅游业效率的差异和关联问题。根据各地区的经济发展程度和地理环境,国家将这些地区划分为东部、中部和西部三大经济区域,需要指出的是已有研究中对部分省市(广西省和内蒙古自治区)的区域划分有所差异。[3738]在这篇研究中,最终使用的三大经济区域为,东部地区包括北京市、天津市、河北省、辽宁省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省11个省、自治区、直辖市。中部地区包括山西省、内蒙古自治区、吉林省、黑龙江省、安徽省、江西省、河南省、湖北省、湖南省9个省、自治区。西部地区则包括剩余重庆市、四川省、贵州省、云南省、西藏自治区、陕西省、甘肃省、宁夏省、青海省、新疆维吾尔自治区和广西壮族自治区11个省、自治区、直辖市。

图 4 各地区五年旅游效率的振幅

东部、中部和西部地区五年的技术效率、纯技术效率和规模效率的平均值和标准差如表 4所示,从中可见,东部地区技术效率和纯技术效率是三大经济地区最高的,说明该经济地区的旅游业效率发展最好,且发展最好的主要原因是该地区的纯技术效率最高,管理水平最高。与此同时该地区的纯技术效率和规模效率差异较小,表示该区域的管理水平和规模水平旗鼓相当。故而进一步提高该地区旅游发展的重点在于同时提升旅游管理水平和调整旅游规模。中部地区的旅游业的规模效率最高,但技术效率和纯技术效率均是最低的。说明该经济地区的旅游业发展较差的主要原因是管理水平较低,即使规模水平较高,但仍未提升整个地区的技术效率。且该区域的纯技术效率和规模效率差异较大,因此,该地区的旅游业发展侧重点很明显应该在于提升该区域的旅游管理水平。西部地区的技术效率和纯技术效率排在三大经济地区的第二位,规模效率排在第三。同东部地区一样的是该地区的纯技术效率和规模效率差异不大,该地区的旅游业发展同时提升管理水平和规模水平两方面更合适。

表 4 三个经济地区旅游业效率

三个经济区域三类效率的具体发展趋势和差异如图 5所示,从中可见,在技术效率方面,东部地区技术效率区域平缓,中部地区呈现缓慢的上升趋势,西部地区有微弱波动。在纯技术效率方面,即管理水平方面,东部地区呈现出缓慢的先增后减,东部和西部呈现缓慢的递增。最为明显的变动在于规模效率方面,即旅游规模水平,东部呈现很明显的递减然后再小幅提升。

图 5 三种效率对应的三个经济地区

旅游业发展需要一定的经济发展基础的支撑和带动:三大经济区域的发展中,东部区域经济发展最为强势,在整个经济发展中发挥着领头作用,东部区域的GDP约为中部区域的2倍,约为西部区域的4倍(以2006年为例,三大经济区域的GDP分别为东部135 759.6亿元、中部61 675.06亿元和西部35 402.13亿元)。[3940]可见东部较早发展的最为成熟的旅游业的管理制度和策略,使得其有着较高的管理水平,造成东部区域的技术效率最高。中部区域在地理上承东启西,经济发展较好,旅游经济形成一定的规模,旅游规模达到一定水平。而西部区域经济发展最为缓慢,旅游管理和旅游规模均未达到高水平,但该地区的国土面积大,自然资源和自然风貌较为丰富,具有很大的开发潜力,在旅游管理和规模上存在着最大的上升空间,在现有的西部开发的国家政策及“一带一路”的国家战略带动下努力实现区域的旅游经济的快速发展。

四、结论与建议

文章采用DEA的方法,结合旅游投入产出的指标特性,建立存在不可任意调整投入的包络模型,分析中国31个省市“十一五”期间各个省市旅游的技术效率、纯技术效率以及规模效率,总结不同地区的效率差异、各个地区不同时间段的效率差异、不同经济地区及不同类别效率差异的来源,并提出一定的效率改进意见。

具体研究有五大发现:第一,全国各省市旅游技术效率差异非常明显,全国旅游效率发展不均衡,且整体旅游技术效率水平较低。第二,各地区旅游无效的来源不同,部分来源于纯技术无效即管理水平较低,部分来源于规模无效即规模水平较低。第三,全国平均技术效率也呈现先增后减然后增加的趋势,发展较为稳定,且各省市效率差异随着时间的推移在缓慢减少。第四,大多数的省市旅游技术效率发展都是趋于稳定的,仅个别地区(河北省和西藏自治区)旅游发展波动较大。第五,三大经济区域的旅游业效率无效来源差异较大。东部地区和西部地区的纯技术效率和规模效率差异不大,即管理水平和规模水平旗鼓相当,均衡影响着旅游业的技术效率。中部地区纯技术效率和规模效率差异较大,且管理水平较低是造成中部地区旅游发展无效的主要原因。

针对这些发现的问题,提出相应的建议和意见。针对旅游业发展不均衡及整体旅游效率较低的地区,应制定并推动旅游均衡发展的国家战略,首先从国家的战略高度加大对旅游效率较低地区的旅游开发和建设的支持,其次当地政府应因地制宜结合地区自身特色加大旅游产业建设,重视当地旅游业,总结各地区旅游无效原因,有针对性地进行调整,有效改进旅游效率。针对全国旅游效率缓慢增长,考虑到无论是旅游业还是其他产业的经济增长都是与环境增长相挂钩的,旅游业效率缓慢增长并不一定是不利的,反而更可能保证当地其他方面的稳定。而针对部分旅游发展波动较大的地区,国家和当地政府在查明波动的原因的情形下,分析波动原因,有针对性地调整旅游策略应对发展波动。

最后,虽然文章已经从多个角度对中国31个省市的旅游效率进行了评价,并提出了可能的改进建议。但针对旅游效率评价这一研究话题,仍然有许多需要值得深入研究的问题。如各地区旅游资源类型,自然旅游资源和人文旅游资源哪一类对旅游地区旅游效率的影响更为显著。又如其他未被考虑的影响因素,如地区的社会和文化也可能对地区旅游产生不同的影响等,在一定程度上都值得进一步的探索和研究。

References
[1]
杨勇. 旅游业与我国经济增长关系的实证分析[J]. 旅游科学, 2006, 20(2): 40-46.
[2]
CHARNES A, COOPER W W, RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 2(6): 429-444. DOI:10.1016/0377-2217(78)90138-8
[3]
SHERMAN H D, GOLD F. Bank branch operating efficiency:Evaluation with data envelopment analysis[J]. Journal of Banking & Finance, 1985, 9(2): 297-315.
[4]
FETHI M D, PASIOURAS F. Assessing bank efficiency and performance with operational research and artificial intelligence techniques:A survey[J]. European Journal of Operational Research, 2010, 204(2): 189-198. DOI:10.1016/j.ejor.2009.08.003
[5]
ZHA Y, LIANG N, WU M, et al. Efficiency evaluation of banks in China:A dynamic two-stage slacks-based measure approach[J]. Omega, 2015, 60: 60-72.
[6]
REINHARD S, LOVELL C A K, THIJSSEN G J. Environmental efficiency with multiple environmentally detrimental variables; estimated with SFA and DEA[J]. European Journal of Operational Research, 2000, 121(2): 287-303. DOI:10.1016/S0377-2217(99)00218-0
[7]
BIAN Y, YANG F. Resource and environment efficiency analysis of provinces in China:A DEA approach based on Shannon's entropy[J]. Energy Policy, 2010, 38(4): 1909-1917. DOI:10.1016/j.enpol.2009.11.071
[8]
CHEN Y, MOTIWALLA L, RIAZ KHAN M. Using super-efficiency DEA to evaluate financial performance of e-business initiative in the retail industry[J]. International Journal of Information Technology & Decision Making, 2004, 3(2): 337-351.
[9]
BAKER M, RILEY M. New perspectives on productivity in hotels:Some advances and new directions[J]. International Journal of Hospitality Management, 1994, 13(4): 297-311. DOI:10.1016/0278-4319(94)90068-X
[10]
MOREY R C, DITTMAN D A. Evaluating a hotel GM's performance:A case study in benchmarking[J]. Cornell Hotel and Restaurant Administration Quarterly, 2003, 44(5-6): 53-59.
[11]
BARROS C P. Measuring efficiency in the hotel sector[J]. Annals of Tourism Research, 2005, 32(2): 456-477. DOI:10.1016/j.annals.2004.07.011
[12]
陈浩. 基于DEA的浙江星级酒店效率评价[J]. 江苏商论, 2006(8): 76-77.
[13]
彭建军, 陈浩. 基于DEA的星级酒店效率研究——以北京, 上海, 广东相对效率分析为例[J]. 旅游学刊, 2004, 19(2): 59-62.
[14]
NG C K, SEABRIGHT P. Competition, privatisation and productive efficiency:Evidence from the airline industry[J]. The Economic Journal, 2001, 111(473): 591-619. DOI:10.1111/ecoj.2001.111.issue-473
[15]
[16]
SARKIS J, TALLURI S. Performance based clustering for benchmarking of US airports[J]. Transportation Research Part A:Policy and Practice, 2004, 38(5): 329-346. DOI:10.1016/j.tra.2003.11.001
[17]
HUSAIN N, ABDULLAH M, KUMAN S. Evaluating public sector efficiency with data envelopment analysis (DEA):A case study in road transport department, selangor, malaysia[J]. Total Quality Management, 2000, 11(4-6): 830-836. DOI:10.1080/09544120050008282
[18]
BARROS C P, MATIAS Á. Assessing the efficiency of travel agencies with a stochastic cost frontier:A Portuguese case study[J]. International Journal of Tourism Research, 2006, 8(5): 367-379. DOI:10.1002/(ISSN)1522-1970
[19]
KÖKSAL C D, AKSU A A. Efficiency evaluation of a-group travel agencies with data envelopment analysis (DEA):A case study in the Antalya region, Turkey[J]. Tourism Management, 2007, 28(3): 830-834. DOI:10.1016/j.tourman.2006.05.013
[20]
胡志毅. 基于DEA-Malmquist模型的中国旅行社业发展效率特征分析[J]. 旅游学刊, 30(5): 23-30.
[21]
顾江, 胡静. 中国分省区旅游生产效率模型创建与评价[J]. 同济大学学报(社会科学版), 2008, 19(4): 93-98.
[22]
马晓龙. 基才绩效差异的中国主要城市旅游发展阶段演化[J]. 旅游学刊, 2009(6): 25-30.
[23]
马晓龙, 保继刚. 基于数据包络分析的中国主要城市旅游效率评价[J]. 资源科学, 2010, 32(1): 88-97.
[24]
梁明珠, 易婷婷. 基于DEA-MI模型的城市旅游效率演进模式研究[J]. 旅游学刊, 2013, 28(5): 53-62.
[25]
陶卓民, 薛献伟, 管晶晶. 基于数据包络分析的中国旅游业发展效率特征[J]. 地理学报, 2010, 65(8): 1004-1012. DOI:10.11821/xb201008011
[26]
BI G, LUO Y, LIANG L. Efficiency evaluation of tourism Industry with Data Envelopment Analysis (DEA):A case study in China[J]. Journal of China Tourism Research, 2011, 7(1): 104-116. DOI:10.1080/19388160.2011.551056
[27]
金春雨, 程浩, 宋广蕊. 基于三阶段DEA模型的我国区域旅游业效率评价[J]. 旅游学刊, 2012(11): 56-65. DOI:10.3969/j.issn.1002-5006.2012.11.021
[28]
保继刚, 楚义芳. 旅游地理学[M]. 北京: 高等教育出版社, 1999, 98-124.
[29]
魏小安, 金准. "高速时代"的中国旅游业发展[J]. 旅游学刊, 2013(12): 40-46.
[30]
苏建军, 孙根年, 赵多平. 交通巨变对中国旅游业发展的影响及地域类型划分[J]. 旅游学刊, 2012(6): 41-51.
[31]
陈晓, 李悦铮. 城市交通与旅游协调发展定量评价——以大连市为例[J]. 旅游学刊, 2008, 23(2): 60-64.
[32]
WAGNER J M, SHIMSHAK D G. Stepwise selection of variables in data envelopment analysis:Procedures and managerial perspectives[J]. European Journal of Operational Research, 2007, 180(1): 57-67. DOI:10.1016/j.ejor.2006.02.048
[33]
RUGGIERO J. Non-discretionary inputs in data envelopment analysis[J]. European Journal of Operational Research, 1998, 111(3): 461-469. DOI:10.1016/S0377-2217(97)00306-8
[34]
RUGGIERO J. Performance evaluation when non-discretionary factors correlate with technical efficiency[J]. European Journal of Operational Research, 2004, 159(1): 250-257. DOI:10.1016/S0377-2217(03)00403-X
[35]
MUÑIZ M, PARADI J, RUGGIERO J, et al. Evaluating alternative DEA models used to control for non-discretionary inputs[J]. Computers & Operations Research, 2006, 33(5): 1173-1183.
[36]
BANKER R D, CHARNES A, COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science, 1984, 30(9): 1078-1092. DOI:10.1287/mnsc.30.9.1078
[37]
彭文斌, 刘友金. 我国东中西三大区域经济差距的时空演变特征[J]. 经济地理, 2010, 30(4): 574-578.
[38]
张子珍. 中国经济区域划分演变及评价[J]. 山西财经大学学报(高等教育版), 2010(2): 89-92.
[39]
闫敏. 旅游业与经济发展水平之间的关系[J]. 旅游学刊, 1999(5): 9-15.
[40]
生延超, 钟志平. 旅游产业与区域经济的耦合协调度研究——以湖南省为例[J]. 旅游学刊, 2009(8): 23-29.